Conception et simulation des systèmes de production. Chapitre 7 Planification et gestion de projet
|
|
- Hélène Marier
- il y a 8 ans
- Total affichages :
Transcription
1 Conception et simulation des systèmes de production Chapitre 7 Planification et gestion de projet
2 Planification et gestion de projet Les 6 phases d un projet industriel : 1. L enthousiasme délirant sous-estimation des coûts délais irréalistes cahier des charges aberrant 2. La désillusion tous les indicateurs virent au rouge les coûts et délais explosent
3 Planification et gestion de projet Les 6 phases d un projet industriel : 3. La confusion totale activités frénétiques (action brings satisfaction ) l heure des consultants a sonné 4. La recherche des coupables «Le succès a de nombreux pères, mais l échec est orphelin» Nicolas Hayek
4 Planification et gestion de projet Les 6 phases d un projet industriel : 5. La punition des non coupables la délégation des erreurs est une des tâches de base du management! 6. La promotion des non concernés
5 Outils de gestion de projet Principaux outils de gestion de projet: 1. Diagrammes de Gantt 2. Earned Value 3. Plans PERT 4. CPM 1. Diagrammes de Gantt Tâche 1 Inconvénients : liaisons entre tâches non apparentes chemin critique non apparent Tâche 2 Tâche Temps (semaines)
6 Outils de gestion de projet 2. Concept de «Earned Value» Person months BCWS : Budgeted Costs of Work Scheduled BCWP : Budgeted Costs of Work Performed (Earned Value) ACWP : Actual Costs of Work Performed
7 PERT 3. Plans PERT Program Evaluation and Review Techniques division du projet en tâches représentation des précédences sous forme de graphes détermination du chemin critique Structure du graphe: Arc représentant une activité Nodes représentant le début et la fin d une activité i A j I < j
8 PERT Règles de construction du graphe 1. Une activité est représentée par un et un seul arc 2. La longueur des arcs ne représente rien 3. Le graphe a un seul node source et un seul node d arrivée 4. Numérotation des nodes croissante dans la direction des arcs 5. Aucune activité représentée par plus d un arc 6. Un seul arc entre deux nodes successifs 7. Les activités débutant à partir d un node ne peuvent commencer que si toutes les activités se terminant sur ce node sont réellement achevées
9 PERT Règles de construction du graphe Activités en parallèle A i A k B B B j B Activité «dummy» n utilisant ni temps, ni ressources
10 PERT Calcul des délais Délai «au plus tôt» d un node t j E - délai le plus court où les activités débutants au node j peuvent commencer t 1 E = 0 t je = max ( t ie +t ij ) ( j = 2, 3, A ) (i,j) Q t AE = Γ Avec 1 : indice node source A : indice node arrivée (i,j) : activité connectant les nodes i et j Q : collection d activité t ij : durée de l activité (i,j) Γ : durée du projet
11 PERT Calcul des délais Délai «au plus tard» d un node t j L - dernier délai pour achever une activité sans dépasser le délai final Γ t AL t jl = Γ = t A E = min (t kl -t jk ) ( j = A - 1, A - 2,..1) (j,k) Q t 1L = 0
12 PERT Jeu (slack) d une activité Mesure de la flexibilité des délais sans retarder le projet complet Pour une activité commençant au node i et s achevant au node j jeu du node e j = t jl -t j E jeu total f ijt = t j L - t ie - t ij jeu libre f ijf = t je - t ie - t ij jeu indépendant f ij I = max (t je - t i L - t ij, 0 ) f ij T f ij F f ij I
13 PERT Représentation standard i A(i,j) j t ij t i E t j E t i L t j L
14 Exemple PERT TÂCHE DESCRIPTION PRECEDENCES DUREE(S) A ANALYSES DES VENTES B DEVELOPPEMENT PRODUIT C FINANCEMENT D PLANIFICATION PRODUIT A 3 E DESIGN PRODUIT B 6 F PLANIFICATION USINE D,E 13 G CALCUL MARGES D,E 2 H ACHATS MATIERES C,G 5 I RECHERCHE PERSONNEL G 5 J DESIGN PRODUCTION G 3 K ACHAT MACHINES C,J 10 L FORMATION EMPLOYES I 5 M MISE EN PLACE MACHINES F,K 8 N PRODUCTION H,L,M 14
15 Exemple PERT Chemin critique : passe par les nodes sans jeu
16 PERT : représentation probabiliste Distribution de type Beta Pour chaque activité : Γ O : durée optimiste minimum de la distribution Γ m : durée probable mode de distribution Γ p : durée pessimiste maximum de la distribution durée de la tâche Moyenne Γ e = 1/6 ( Γ o + 4 Γ m + Γ p ) Variance σ 2 = Γ p - Γ o 6 2
17 PERT : représentation probabiliste Moyenne et déviation standard Théorème central limite: La somme d un grand nombre de variables aléatoires indépendantes a une distribution qui approche la distribution normale si le nombre d éléments de la somme tend vers l infini et ceci quelle que soit la distribution des éléments de la somme t CP = Γ ei i CP CP = Critical path σ CP 2 = σ i 2 l CP
18 PERT : représentation probabiliste Probabilité de respecter un délai donné ( t d - t CP)/ σ CP P = Φ ( t d - t CP ) = 1/ 2π exp (-x 2 2) dx σ CP - Φ = FONCTION DE REPARTITION DE LA LOI NORMALE
19 PERT : représentation probabiliste Probabilité de respecter un délai donné EXEMPLE CHEMIN CRITIQUE B - E - G - J - K - M - N TÂCHE B E G J K M N DUREE OPTIMISTE DUREE REALISTE DUREE PESSIMISTE Moyenne Γ e = 1/6 ( Γ o + 4 Γ m + Γ p ) Variance σ 2 = Γ p - Γ o 2 6
20 PERT : représentation probabiliste Probabilité de respecter un délai donné t CP = Γ el = 51.5 l CP CP = Chemin critique σ CP 2 = σ e 2 = 3.47 e CP Probabilité de terminer le projet en 51 semaines: P 51 = Φ ( ) = Φ ( ) = P 52 = ~ 0.61
21 PERT Exercice plan PERT
22 Comment raccourcir les délais
23 Critical Path Method CPM Compromis entre coûts et délais un délai peut être réduit en mettant le prix il y a une limite inférieure incompressible il existe un compromis acceptable Τ s ij = délai standard U s ij = coût correspondant Τ c ij = délai minimal U c ij = coût correspondant
24 Critical Path Method CPM Interpolation linéaire U ij = U o ij - θ ij T ij (T c ij T ij T s ij ) U o ij = T ijs U c ij -T ijs U s ij T ijs -T ij c θ ij = U c ij T s ij -U s ij -T c ij E(T) = t EN -t E1 T durée du projet G(T) = U ij = (U o ij - θ ij T ij ) coût du projet (j,k) Q (j,k) Q
25 Critical Path Method CPM Buts de CPM : minimiser la durée du projet dans le cadre d un budget minimiser les coûts du projet dans le cadre d un délai minimiser le délai tout en minimisant les surcoûts!
26 Algorithme de CPM DEFINIR LE CHEMIN CRITIQUE PERT ACTIVITE A REDUIRE AYANT NON LES SURCOUTS MINIMUMS? STOP SOLUTION OPTIMALE OUI REDUIRE CETTE ACTIVITE JUSQU'À CE QUE : AUTRE(S) CHEMIN(S) DEVIENNE(NT) CRITIQUE(S) L ACTIVITE EST REDUITE AU MAXIMUM
27 Algorithme de CPM Exemple : ACTIVITE PRECEDENCE τ S τ C U S SOURCOÛT/JOUR A B A C A D C
28 Algorithme de CPM a) toutes les activités à la durée initiale T s = 33 j U s = Coupes possibles: A = /j C = /j D = /j b) réduire D de 2 jours sur 3 possible car B devient critique T 1 = 31 j U 1 = Coupes possibles A = / C+B = /j D+B = /j
29 Algorithme de CPM c) réduire A de 4 jours (max.) T 2 = 27 j U 2 = Coupes possibles: C+B = /j D+B = /j d) réduire D+B de 1 jour (maximum pour D) T 3 = 26 j U 3 = Coupes possibles; C+B = /j
30 Algorithme de CPM e) réduire C+B de 2 jours (maximum pour C) T 4 = 24 j U 4 = Coupes possibles : aucune T c = T 4 = 24 j U c = U 4 = Réduction du délai = 9 jours Surcoût =
Gestion de projets logiciels. Xavier Dubuc
Gestion de projets logiciels Résumé blocus Xavier Dubuc 16 janvier 2011 1 Table des matières 1 Planification (PERT-GANTT) 3 1.1 Définitions............................................. 3 1.2 Analyse un
Plus en détailPar : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1)
1 Que signifient AON et AOA? Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) Sommaire 1. Concepts... 2 2. Méthode PCM appliquée
Plus en détailGestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.
Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production
Plus en détailPLANIFICATION DE PROJET ET METHODES D ORDONNANCEMENT
P a g e 1 PLANIFICATION DE PROJET ET METHODES D ORDONNANCEMENT NOTION DE PROJET ET D ORDONNANCEMENT Lors de la réalisation d un projet industriel (construction d usine, d autoroute, recherche et développement
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailGestion de projet- Indicateurs de performance
GESTION DE PROJET Pour réaliser ce Tp, vous devez disposer du contexte Itaste et d'un accès à la base de données Itaste, hébergée sur notre serveur de bases de données de production. Vous utiliserez Microsoft
Plus en détailPlan de la Formation. GESTION de PROJET
Plan de la Formation GESTION de PROJET Toutes les bases et fondamentaux de la Gestion de Projet Intitule de la Formation GESTION de PROJET Objectifs Les Objectifs de la formation sont de vous fournir une
Plus en détailMode d emploi du document
Mode d emploi du document Il est conseillé de consulter ce document interactif à l écran. Plusieurs types d affichage sont disponibles dans le menu «Affichage» d Acrobat Reader. Désignation des boutons
Plus en détailLES OUTILS DE GESTION DE PROJET
LES OUTILS DE GESTION DE PROJET 1 Qu est-ce qu un projet? Quelle est la définition? En quoi diffère-t-il de l activité d une entreprise, d un ensemble de personnes? Listez tous les ingrédients, aspects,
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailÉLÉMENTS DE GESTION DE PROJET
ÉLÉMENTS DE GESTION DE PROJET Gilles Boulet PMP gb@gillesboulet.ca Mai 2006 Révision Février 2009 Le management de projet est composé de 5 grands processus faisant chacun appel à 9 domaines de connaissances
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailFORMAT FORMA ION SUR LA ION SUR LA GESTION DE PROJET & MS PROJECT
FORMATION SUR LA GESTION DE PROJET & MS PROJECT Présentation rapide Jamal Achiq Consultant - Formateur sur le management de projet, MS Project, et EPM Certifications: Management de projet : «PRINCE2, Praticien»
Plus en détailGestion de projet. Définition. Caractérisation
Gestion de projet Définition «un projet est un processus unique qui consiste en un ensemble d'activités coordonnées et maîtrisées, comportant des dates de début et de fin, entrepris dans le but d'atteindre
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailAnalyse des risques financiers
Analyse des risques financiers Version du 1 er octobre 2014 Cette fiche s'adresse aux services de l État mandatés pour mener une analyse financière et est susceptible de contribuer à la définition du niveau
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailModule Planification
1 Module Planification Interface MS Project 2 a) Charge atelier OF selon délai ou début de fabrication Export charge atelier sous Excel Capacité machine pour la période prédéfinie Date de début et fin
Plus en détailTUTORIAL Microsoft Project 2010 Fonctionalités de base
TUTORIAL Microsoft Project 2010 Fonctionalités de base Microsoft Project est un logiciel de la suite Microsoft Office. Il s agit d un logiciel de gestion de projet et plus précisement de gestion de planning
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailGestion des Clés Publiques (PKI)
Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des
Plus en détailGestion de Projet pour Microsoft Dynamics AX Solution pour les Sociétés de Services et d Ingénierie
Gestion de Projet pour Microsoft Dynamics AX Solution pour les Sociétés de Services et d Ingénierie Positionnement et Ciblage Métiers Fort de son expérience sur Microsoft Dynamics AX et particulièrement
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailMGP 702 c VOCABULAIRE EN GESTION DE PROJET D ÉVÉNEMENT
MGP 702 c VOCABULAIRE EN GESTION DE PROJET D ÉVÉNEMENT (Version 2) 1 septembre 2009 Yvan Lauzon Acceptation Acte par lequel le signataire considère que les travaux ou les services qui lui sont soumis lui
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détail1 Un peu d histoire. 1.1 La recherche opérationnelle : l outil mathématique
1 Un peu d histoire L aphorisme vieux comme le monde : «Si on ne sait pas où on va, on est sûr de ne pas y arriver!» est depuis 50 ans associé à des méthodes qui le rationalisent à outrance afin d arriver
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détail- Le Diagramme de Gantt. - Le Diagramme de Pert - La Méthode QQCQCCP - La Méthode MOSI - Cahier des charges fonctionnel
Planifier le projet > Identifier les étapes > Organiser le projet > Identifier les étapes - Le Diagramme de Gantt > Organiser le projet - Le Diagramme de Pert - La Méthode QQCQCCP - La Méthode MOSI - Cahier
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailLe concept cellulaire
Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une
Plus en détailExpertise du logiciel «GanttProject»
Expertise du logiciel «GanttProject» Afin de donner un avis personnel: Utilisation comme outil de gestion de chantier Témoigner d une expérience vécue au travers la mise en œuvre de ce logiciel (libre
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailGLOBAL SUPPLY CHAIN MANAGEMENT & STRATEGIE LOGISTIQUE
GLOBAL SUPPLY CHAIN MANAGEMENT & STRATEGIE LOGISTIQUE La logistique représentait traditionnellement l activité allant de la mise à disposition des produits finis par l usine ou le négociant jusqu à la
Plus en détailIntroduction. Nicolas Phalippon IR3. Source: rapport commandé par le Congrès américain. Présentation du 24/10/02
Présentation du 24/10/02 Nicolas Phalippon IR3 Introduction 2% des logiciels fonctionnent à la livraison 3% de plus fonctionneront après quelques modifications mineures 20% seront utilisés après des modifications
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailDe la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailDéfinir la gestion de projets 11. Exploiter les techniques de gestion de projets 11. Planifier un projet 12. Lister les tâches et les jalons 13
Généralités Définir la gestion de projets 11 Exploiter les techniques de gestion de projets 11 Planifier un projet 12 Lister les tâches et les jalons 13 Réfléchir aux liaisons entre les tâches 14 Estimer
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailGestion de projet PMP : Préparation à la certification
Entreprise PLEXUS Formation N d enregistrement : 42 67 04 380 67 Code NAF 8559A Contact (nom prénom) PEREZ Thierry tél 03 88 43 35 87 Mail Inter-entreprise ou Intra-Entreprise thierry.perez@plexusformation.com
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailGestion de Projet. Génie Logiciel. Renaud Marlet. LaBRI / INRIA. http://www.labri.fr/~marlet. (d'après A.-M. Hugues) màj 19/04/2007
1 Génie Logiciel (d'après A.-M. Hugues) Gestion de Projet Renaud Marlet LaBRI / INRIA http://www.labri.fr/~marlet màj 19/0/007 Est-ce bien nécessaire? Principes de gestion = beaucoup d'évidences Pourtant
Plus en détail!" #$#% #"& ' ( &)(*"% * $*' )#""*(+#%(' $#),")- '(*+.%#"'#/* "'") $'
!" #$#% #"& ' ( &)(*"% * $*' )#""*(+#%(' $#),")- '(*+.%#"'#/* "'") $' &!*#$)'#*&)"$#().*0$#1' '#'((#)"*$$# ' /("("2"(' 3'"1#* "# ),," "*(+$#1' /&"()"2$)'#,, '#' $)'#2)"#2%#"!*&# )' )&&2) -)#( / 2) /$$*%$)'#*+)
Plus en détailOUTILS EN INFORMATIQUE
OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailManuel d utilisation. Anne RACINE. A. Racine Référence: Manuel MS Project.doc 03/03/2003 Page 1
RÉALISATION DE PLANNINGS - SUIVI ET PERSONNALISATION Manuel d utilisation Anne RACINE A. Racine Référence: Manuel MS Project.doc 03/03/2003 Page 1 Réalisation de plannings SOMMAIRE GESTION DE PROJET :
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailMS PROJECT 2000. Prise en main. Date: Mars 2003. Anère MSI. 12, rue Chabanais 75 002 PARIS E mail : jcrussier@anere.com Site : www.anere.
DOCUMENTATION MS PROJECT 2000 Prise en main Date: Mars 2003 Anère MSI 12, rue Chabanais 75 002 PARIS E mail : jcrussier@anere.com Site : www.anere.com Le présent document est la propriété exclusive d'anère
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailJulien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détail6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses
6. Hachage Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses PLAN Définition Fonctions de Hachage Méthodes de résolution de collisions Estimation
Plus en détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détailM221 Planification de projet TP n 1 DUT QLIO Semestre 2
M221 Planification de projet TP n 1 DUT QLIO Semestre 2 Objectif : découverte du logiciel Microsoft Project 2003 Un compte-rendu est à rendre en fin de séance (avec évidemment une introduction et une conclusion).
Plus en détailLa gestion des flux de trafic aérien en Europe : état de l art, problèmes et perspectives
La gestion des flux de trafic aérien en Europe : état de l art, problèmes et perspectives Marc Bisiaux Contexte: La gestion des flux aériens et des capacités de trafic aujourd hui. Le trafic aérien en
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailCycle de formation Gestion de projet
Cycle de formation Gestion de projet Mener avec succès la conduite d un projet nécessite, pour son responsable, une expertise technique mais également un management efficace par la prise en compte globale
Plus en détailLa gestion de projet est importante pour : Les services comptables et financiers, qui pilotent le financement des nouvelles acquisitions
Chapitre 3 Gestion de projet Au sein de l organisation La gestion de projet est importante pour : Les services comptables et financiers, qui pilotent le financement des nouvelles acquisitions de l entreprise.
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailCOMMENT MAITRISER LA GESTION DES APPROVISIONNEMENTS ET DES STOCKS DE MEDICAMENTS
1 sur 9 COMMENT MAITRISER LA GESTION DES APPROVISIONNEMENTS ET DES STOCKS DE MEDICAMENTS (L'article intégral est paru dans Gestions Hospitalières n 357 de juin-juillet 1996) Pour plus d'informations concernant
Plus en détailINFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz
INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................
Plus en détailFrancis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle
Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) PLANIFICATION DE TÂCHES DANS MS PROJECT IFT702 Planification en intelligence artificielle Présenté à M. Froduald KABANZA
Plus en détailProgrammation par contraintes. Laurent Beaudou
Programmation par contraintes Laurent Beaudou On se trouve où? Un problème, une solution : la solution est-elle une solution du problème? simulation, vérification 2 On se trouve où? Un problème, une solution
Plus en détailCours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques
Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER
Plus en détailLe S.I. - colonne vertébrale de la Supply Chain étendue : deux approches pour réussir votre projet
Le S.I. - colonne vertébrale de la Supply Chain étendue : deux approches pour réussir votre projet 27 mars 2014 1 28/03/2014 itelligence Deux approches pour réussir votre projet S.I. de Supply Chain étendue
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détail3.2. Matlab/Simulink. 3.2.1. Généralités
3.2. Matlab/Simulink 3.2.1. Généralités Il s agit d un logiciel parfaitement dédié à la résolution de problèmes d'analyse numérique ou de traitement du signal. Il permet d'effectuer des calculs matriciels,
Plus en détail1- Enregistrer le nouveau planning
La planification est un outil indispensable de management de projet, un moyen essentiel de prise de décisions pour le chef de projet : pour définir les travaux à réaliser, fixer des objectifs, coordonner
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailRegroupement inter-académique BTS Système Numérique 29-30 janvier 2015
Regroupement inter-académique BTS Système Numérique 29-30 janvier 2015 Retour d expérience : Épreuve «organisation de» en BTS électrotechnique Présenté par Christian BARBEAU Professeur agrégé SII-Ingénierie
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailSauvegarde collaborative en pair-à-pair
Sauvegarde collaborative en pair-à-pair Fabrice Le Fessant Fabrice.Le_Fessant@inria.fr ASAP Team INRIA Saclay Île de France Octobre 2008 Fabrice Le Fessant () Backup en pair-à-pair Rennes 2008 1 / 21 Plan
Plus en détailTravaux pratiques de Gestion des Projets Utilisation de MS Project 2007 pour la planification et le suivi de projet
Travaux pratiques de Gestion des Projets Utilisation de MS Project 2007 pour la planification et le suivi de projet 1 Objectif : Découverte du logiciel Microsoft Project 2007 TP N 2 Planification de projet
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détail